論文の概要: Data exploitation: multi-task learning of object detection and semantic segmentation on partially annotated data

• arxiv url: http://arxiv.org/abs/2311.04040v1
• Date: Tue, 7 Nov 2023 14:49:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-08 15:10:06.442998
• Title: Data exploitation: multi-task learning of object detection and semantic segmentation on partially annotated data
• Title（参考訳）: データ活用:部分注釈データを用いたオブジェクト検出と意味セグメンテーションのマルチタスク学習
• Authors: Ho\`ang-\^An L\^e and Minh-Tan Pham
• Abstract要約: 本稿では,物体検出とセマンティックセグメンテーションの併用学習について検討する。 本稿では,共同タスク最適化の活用を目的とした知識蒸留手法を提案する。
• 参考スコア（独自算出の注目度）: 4.9914667450658925
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Multi-task partially annotated data where each data point is annotated for only a single task are potentially helpful for data scarcity if a network can leverage the inter-task relationship. In this paper, we study the joint learning of object detection and semantic segmentation, the two most popular vision problems, from multi-task data with partial annotations. Extensive experiments are performed to evaluate each task performance and explore their complementarity when a multi-task network cannot optimize both tasks simultaneously. We propose employing knowledge distillation to leverage joint-task optimization. The experimental results show favorable results for multi-task learning and knowledge distillation over single-task learning and even full supervision scenario. All code and data splits are available at https://github.com/lhoangan/multas
• Abstract（参考訳）: 各データポイントが1つのタスクにアノテートされたマルチタスクの一部のアノテートデータは、ネットワークがタスク間の関係を活用できれば、データ不足に寄与する可能性がある。 本稿では、部分アノテーション付きマルチタスクデータから、オブジェクト検出とセマンティックセグメンテーションの併用学習について検討する。 マルチタスクネットワークが両方のタスクを同時に最適化できない場合、各タスクのパフォーマンスを評価し、それらの相補性を探索する。 共同タスク最適化の活用を目的とした知識蒸留手法を提案する。 実験結果から,マルチタスク学習や知識蒸留において,シングルタスク学習よりも優れた結果が得られた。 すべてのコードとデータはhttps://github.com/lhoangan/multasで公開されている。

関連論文リスト

• Box for Mask and Mask for Box: weak losses for multi-task partially supervised learning [2.7719338074999538]
  1つのタスクの情報を使ってもう1つのタスクをトレーニングすることは、マルチタスクの部分的に教師付き学習にとって有益である。 Box-for-MaskとMask-for-Boxの戦略は、1つのタスクアノテーションから必要な情報を排除し、もう1つのタスクをトレーニングするために提案されている。
  論文  参考訳（メタデータ） (2024-11-26T15:51:25Z)
• Leveraging knowledge distillation for partial multi-task learning from multiple remote sensing datasets [2.1178416840822023]
  ターゲットタスクの1つにトレーニング例をアノテートする部分的マルチタスク学習は、リモートセンシングにおいて有望なアイデアである。 本稿では, 知識蒸留を用いて, 代替課題における基礎的真理の必要性を代替し, その性能を向上させることを提案する。
  論文  参考訳（メタデータ） (2024-05-24T09:48:50Z)
• Distribution Matching for Multi-Task Learning of Classification Tasks: a Large-Scale Study on Faces & Beyond [62.406687088097605]
  マルチタスク学習(MTL)は、複数の関連するタスクを共同で学習し、共有表現空間から恩恵を受けるフレームワークである。 MTLは、ほとんど重複しない、あるいは重複しないアノテーションで分類タスクで成功することを示す。 本稿では,分散マッチングによるタスク間の知識交換を可能にする新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-01-02T14:18:11Z)
• Self-Training and Multi-Task Learning for Limited Data: Evaluation Study on Object Detection [4.9914667450658925]
  実験結果から,マルチタスク学生の学習に不明瞭なデータを持つ弱教師を用いた場合のパフォーマンス向上が示唆された。 限られた設定にもかかわらず、実験結果はマルチタスクの知識蒸留と自己学習の可能性を示していると信じている。
  論文  参考訳（メタデータ） (2023-09-12T14:50:14Z)
• PartAL: Efficient Partial Active Learning in Multi-Task Visual Settings [57.08386016411536]
  注記すべき画像だけでなく、各アクティブラーニング(AL)にアノテーションを提供するタスクのサブセットを選択する方が効果的であることを示す。 提案手法の有効性を,複数の一般的なマルチタスクデータセットに示す。
  論文  参考訳（メタデータ） (2022-11-21T15:08:35Z)
• Task Compass: Scaling Multi-task Pre-training with Task Prefix [122.49242976184617]
  既存の研究では、大規模教師付きタスクによるマルチタスク学習がタスク間の負の効果に悩まされていることが示されている。 タスク間の関係を探索するために,タスクプレフィックスガイド付きマルチタスク事前学習フレームワークを提案する。 我々のモデルは、幅広いタスクの強力な基盤バックボーンとして機能するだけでなく、タスク関係を分析するための探索ツールとしても実現可能である。
  論文  参考訳（メタデータ） (2022-10-12T15:02:04Z)
• Learning Multiple Dense Prediction Tasks from Partially Annotated Data [41.821234589075445]
  マルチタスク部分教師付き学習(multi-task part-supervised learning)と呼ぶ部分注釈付きデータ上で,複数の密接な予測タスクを共同で学習する。 本稿では,タスク関係を利用したマルチタスク学習手法を提案する。 提案手法は,既存の半教師付き学習手法や関連手法を3つの標準ベンチマークで上回り,非ラベルなタスクで効果的に活用できることを厳密に実証する。
  論文  参考訳（メタデータ） (2021-11-29T19:03:12Z)
• Semi-supervised Multi-task Learning for Semantics and Depth [88.77716991603252]
  MTL(Multi-Task Learning)は、関連するタスク間で表現を共有することで、モデル一般化を強化することを目的としている。 そこで本研究では,異なるデータセットから利用可能な監視信号を活用するために,半教師付きマルチタスク学習(MTL)手法を提案する。 本稿では,データセット間の整合性の問題を軽減するために,様々なアライメントの定式化を施したドメイン認識識別器構造を提案する。
  論文  参考訳（メタデータ） (2021-10-14T07:43:39Z)
• Distribution Matching for Heterogeneous Multi-Task Learning: a Large-scale Face Study [75.42182503265056]
  マルチタスク学習は、共有学習アルゴリズムによって複数のタスクを共同で学習する方法論として登場した。 我々は異種mtlに対処し,検出,分類,回帰問題を同時に解決する。 大規模な顔分析のための最初のフレームワークであるFaceBehaviorNetを構築し、すべての顔行動タスクを共同で学習する。
  論文  参考訳（メタデータ） (2021-05-08T22:26:52Z)
• MTI-Net: Multi-Scale Task Interaction Networks for Multi-Task Learning [82.62433731378455]
  特定のスケールで高い親和性を持つタスクは、他のスケールでこの動作を維持することが保証されていないことを示す。 本稿では,この発見に基づく新しいアーキテクチャ MTI-Net を提案する。
  論文  参考訳（メタデータ） (2020-01-19T21:02:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。